t 0 5 10 15 20
q(t) 0.6350 0.5336 0.4410 0.3572 0.2822
800
700
600
N (h)
500
400
300
200
100
0
1 1.5 1.8 1.9 2 2.5
h
Figura 4.1. Distribución de las alturas de una población de M = 200 indi-
viduos
h+∆h
N= N (h) dh (4.3)
h
f (x̄ + h) − f (x̄)
(δ+ f )(x̄) = (4.4)
h
h2
f (x̄ + h) = f (x̄) + hf (x̄) + f (ξ), (4.5)
2
donde ξ es un punto apropiado en el intervalo (x̄, x̄+h). Por consiguiente
108 4 Diferenciación e integración numéricas
h
(δ+ f )(x̄) = f (x̄) + f (ξ), (4.6)
2
y de este modo (δ+ f )(x̄) proporciona una aproximación de primer orden
a f (x̄) con respecto a h. Asumiendo todavı́a que f ∈ C 2 (a, b), mediante
un procedimiento similar podemos deducir de la serie de Taylor
h2
f (x̄ − h) = f (x̄) − hf (x̄) + f (η) (4.7)
2
con η ∈ (x̄ − h, x̄), la diferencia finita regresiva
f (x̄) − f (x̄ − h)
(δ− f )(x̄) = (4.8)
h
m2
m1
f
m3
x̄ − h x̄ x̄ + h
Figura 4.2. Aproximación por diferencias finitas de f (x̄): regresiva (lı́nea
continua), progresiva (lı́nea de puntos) y centrada (lı́nea de trazos). m1 =
(δ− f )(x̄), m2 = (δ+ f )(x̄) y m3 = (δf )(x̄) denotan las pendientes de las tres
lı́neas rectas
f (x̄ + h) − f (x̄ − h)
(δf )(x̄) = (4.9)
2h
t 0 5 10 15 20
q (t) −0.0212 −0.0194 −0.0176 −0.0159 −0.0141
δ+ q −0.0203 −0.0185 −0.0168 −0.0150 −−
δ− q −− −0.0203 −0.0185 −0.0168 −0.0150
δq −− −0.0194 −0.0176 −0.0159 −−
La concordancia entre la derivada exacta y la calculada con las fórmulas de
diferencias finitas es más satisfactoria cuando se utiliza la fórmula (4.9) en
lugar de (4.8) o (4.4). �
b
I(f ) = f (x)dx,
a
x x
x̄0 x̄k x̄M a (a + b)/2 b
Figura 4.3. Fórmula del punto medio compuesta (izquierda); fórmula del
punto medio (derecha)
M
H
Itc (f ) = [f (xk ) + f (xk−1 )]
2
k=1
M −1 (4.17)
H
= [f (a) + f (b)] + H f (xk )
2
k=1
f f
x x
x0 = a xk xM = b x0 = a x1 = b
Figura 4.4. Fórmula del trapecio compuesta (izquierda); fórmula del trapecio
(derecha)
4.2 Integración numérica 113
la expresión
b − a 2
I(f ) − Itc (f ) = − H f (ξ) (4.18)
12
para el error de cuadratura, siendo ξ un punto apropiado de [a, b], con
tal de que f ∈ C 2 ([a, b]). Cuando se utiliza (4.17) con M = 1, se obtiene
b−a
It (f ) = [f (a) + f (b)] (4.19)
2
M
H
Isc (f ) = [f (xk−1 ) + 4f (x̄k ) + f (xk )] (4.21)
6
k=1
114 4 Diferenciación e integración numéricas
b − a H 4 (4)
I(f ) − Isc (f ) = − f (ξ), (4.22)
180 16
donde ξ es un punto apropiado de [a, b], con tal de que f ∈ C 4 ([a, b]).
Por consiguiente es una aproximación de cuarto orden con respecto a H.
Cuando (4.21) se aplica a un único intervalo, digamos (a, b), obtenemos
la llamada fórmula de cuadratura de Simpson
b−a
Is (f ) = [f (a) + 4f ((a + b)/2) + f (b)] (4.23)
6
1 (b − a)5 (4)
I(f ) − Is (f ) = − f (ξ), (4.24)
16 180
para un ξ ∈ [a, b] apropiado. Su grado de exactitud es, por tanto, igual
a 3.
La regla de Simpson compuesta se implementa en el Programa 4.2.
Programa 4.2. simpsonc: fórmula de cuadratura de Simpson compuesta
function [ Isic ]= simpsonc (a ,b ,M ,f , varargin )
% SIMPSONC Integracion munerica de Simpson compuesta .
% ISIC = SIMPSONC (A ,B ,M , FUN ) calcula una aproximacion
% de la integral de la funcion FUN via el metodo de
% Simpson ( usando M intervalos equiespaciados ).
% FUN acepta el vector real de entrada x
% y devuelve un vector real .
% FUN puede ser tambien un objeto inline .
% ISIC = SIMPSONC (A ,B ,M , FUN , P1 , P2 ,...) llama a la
% funcion FUN pasando los parametros opcionales
% P1 , P2 ,... como FUN (X , P1 , P2 ,...).
H =( b - a )/ M ;
x = linspace (a ,b , M +1);
fpm = feval (f ,x , varargin {:}).* ones (1 , M +1);
fpm (2: end -1) = 2* fpm (2: end -1);
Isic = H * sum ( fpm )/6;
x = linspace ( a + H /2 ,b - H /2 , M );
fpm = feval (f ,x , varargin {:}).* ones (1 , M );
Isic = Isic +2* H * sum ( fpm )/3;
return
−2
10
−4
10
−6
10
−8
10
−10
10
−12
10 −3 −2 −1 0
10 10 10 10
N =
Inline function:
N(h,M,hbar,sigma) = M/(sigma * sqrt(2*pi)) * exp(-(h -
hbar).^2./(2*sigma^2))
int =
27.1810
Ejemplo
2π −x 4.3 Queremos comparar las aproximaciones de la integral I(f ) =
2π 2π
0
xe cos(2x)dx = −1/25(10π − 3 + 3e )/e −0.122122604618968
obtenidas usando las fórmulas compuestas del punto medio, del trapecio y
de Simpson. En la Figura 4.5 dibujamos a escala logarı́tmica los errores frente
a H. Como se señaló en la Sección 1.5, en este tipo de dibujo cuanto mayor es
la pendiente de la curva, mayor es el orden de convergencia de la correspon-
diente fórmula. Como se esperaba de los resultados teóricos, las fórmulas del
punto medio y del trapecio son aproximaciones de segundo orden, mientras
que la de Simpson es de cuarto orden. �
n
Iappr (f ) = αj f (yj ) (4.25)
j=0
Los números reales {αj } son los pesos de cuadratura, mientras que
los puntos {yj } son los nudos de cuadratura. En general, uno requiere
que (4.25) integre exactamente
nal menos una función constante: esta
propiedad está asegurada si j=0 αj = b − a. Podemos conseguir un
grado de exactitud igual a (por lo menos) n tomando
b
Iappr (f ) = Πn f (x)dx,
a
Proposición
n 4.1 Para un m > 0 dado, la fórmula de cuadratura
ᾱ
j=0 j f (ȳ j tiene grado de exactitud n + m si y sólo si es de tipo
)
interpolatorio y el polinomio nodal ωn+1 = Πi=0n
(x − ȳi ) asociado a
los nudos {ȳi } es tal que
1
ωn+1 (x)p(x)dx = 0, ∀p ∈ Pm−1 . (4.26)
−1
L0 (x) = 1, L1 (x) = x,
2k + 1 k
Lk+1 (x) = xLk (x) − Lk−1 (x), k = 1, 2, . . . .
k+1 k+1
Para cada n = 0, 1, . . . , todo polinomio en Pn puede obtenerse mediante
una combinación lineal de los polinomios L0 , L1 , . . . , Ln . Además, Ln+1
es ortogonal
1 a todos los polinomios de grado menor o igual que n, es
decir, −1 Ln+1 (x)Lj (x)dx = 0 para todo j = 0, . . . , n. Esto explica por
qué (4.26) es cierto para m igual pero no mayor que n + 1.
El máximo grado de exactitud es, por tanto, igual a 2n+1 y se obtiene
para la llamada fórmula de Gauss-Legendre (abreviadamente IGL ), cuyos
nudos y pesos están dados por
⎧
⎨ ȳj = ceros de Ln+1 (x),
⎪
2 (4.27)
⎪
⎩ ᾱj = , j = 0, . . . , n.
(1 − ȳj )[Ln+1 (ȳj )]2
2
Los pesos ᾱj son todos positivos y los nudos son interiores al intervalo
(−1, 1). En la Tabla 4.1 recogemos los nudos y pesos de las fórmulas de
cuadratura de Gauss-Legendre con n = 1, 2, 3, 4. Si f ∈ C (2n+2) ([−1, 1]),
el correspondiente error es
n {ȳj } {ᾱj }
√ 1
1 ±1/ 3 1 {1}
√ 1
2 ± 15/5, 0 1
√
{5/9, 8/9}
√ 1
3 ±(1/35) 525 − 70 30, (1/36)(18 + 30), 1
√ 1 √
±(1/35) 525 + 70 30 (1/36)(18 − 30)
√ 11 √
4 0, ±(1/21) 245 − 14 70 128/225, (1/900)(322 + 13 70)
√ 1 1 √
±(1/21) 245 + 14 70 (1/900)(322 − 13 70)
1
Tabla 4.1. Nudos y pesos para algunas fórmulas de cuadratura de Gauss-
Legendre sobre el intervalo (−1, 1). Los pesos correspondientes a pares
simétricos de nudos se incluyen sólo una vez
n {ȳj } {ᾱj }
1 {±1} {1}
2 {±1, 0}√ {1/3, 4/3}
3 {±1, ±√5/5} {1/6, 5/6}
4 {±1, ± 21/7, 0} {1/10, 49/90, 32/45}
Tabla 4.2. Nudos y pesos para algunas fórmulas de cuadratura de Gauss-
Legendre-Lobatto sobre el intervalo (−1, 1). Los pesos correspondientes a pares
simétricos de nudos se incluyen sólo una vez
2 1
αj = , j = 0, . . . , n.
n(n + 1) [Ln (ȳj )]2
Resumamos
a S α β b
A N
�������������������������
(I)
a α b
S A
(II)
a S α α N
b
A
�������������������������������
Figura 4.6. Distribución del intervalo de integración en una etapa genérica
del algoritmo adaptativo y puesta al dı́a de la malla de integración
β
(β − α)5 (4)
Es (f ; α, β) = f (x)dx − Is (f ) = − f (ξ),
2880
α
β
(β − α)5 (4)
f (x)dx − Isc (f ) = − f (η), (4.30)
46080
α
β
1
f (x)dx − Isc (f ) ∆I.
15
α
1 2
Ejemplo 4.5 Calculemos la integral I(f ) = −1 e−10(x−1) dx empleando la
fórmula de Simpson adaptativa. Utilizando el Programa 4.3 con
>> fun=inline(’exp(-10*(x-1).^2)’); tol = 1.e-04; hmin = 1.e-03;
hallamos el valor aproximado 0.28024765884708, en lugar del valor exacto
0.28024956081990. El error es menor que la tolerancia prescrita tol=10−5 .
Para obtener este resultado fue suficiente considerar únicamente 10 subin-
tervalos no uniformes. Nótese que la fórmula compuesta correspondiente, con
tamaño de paso uniforme, habrı́a requerido 22 subintervalos para asegurar la
misma precisión. �
Las fórmulas del punto medio, del trapecio y de Simpson son casos
particulares de una familia mayor de reglas de cuadratura conocidas
como fórmulas de Newton-Cotes. Para una introducción, véase [QSS06,
Capı́tulo 10]. Análogamente, las fórmulas de Gauss-Legendre y de Gauss-
Legendre-Lobatto que hemos introducido en la Sección 4.3 son casos
124 4 Diferenciación e integración numéricas
4.6 Ejercicios
Ejercicio 4.1 Verificar que, si f ∈ C 3 en un entorno I0 de x0 (respectivamente,
In de xn ) el error de la fórmula (4.11) es igual a − 13 f (ξ0 )h2 (respectivamente,
− 13 f (ξn )h2 ), donde ξ0 y ξn son dos puntos adecuados que pertenecen a I0 e
In , respectivamente.
Utilizar estos datos para aproximar con tanta precisión como sea posible la tasa
de variación de esta población. Después comparar los resultados obtenidos con
la tasa exacta n (t) = 2n(t) − 0.01n2 (t).
Ejercicio 4.7 ¿Por qué la fórmula del punto medio pierde un orden de con-
vergencia cuando se utiliza en modo compuesto?
Ejercicio 4.11 Verificar que, entre todas las fórmulas de la forma Iappx (f ) =
αf (x̄) + βf (z̄) donde x̄, z̄ ∈ [a, b] son dos nudos desconocidos y α y β dos pesos
indeterminados, la fórmula de Gauss con n = 1 de la Tabla 4.1 presenta el
grado máximo de exactitud.
Ejercicio 4.12 Para las dos primeras funciones del Ejercicio 4.5, calcular el
número mı́nimo de intervalos tales que el error de cuadratura de la fórmula de
Gauss compuesta es menor que 10−4 .
2 2
Ejercicio 4.13 Calcular 0 e−x /2 dx usando la fórmula de Simpson (4.23) y
la fórmula de Gauss-Legendre de la Tabla 4.1 para n = 1; comparar después
los resultados obtenidos.
1
Ejercicio 4.14 Para calcular las integrales Ik = 0 xk ex−1 dx para k =
1, 2, . . ., uno puede usar la siguiente fórmula recursiva: Ik = 1 − kIk−1 , con
I1 = 1/e. Calcular I20 usando la fórmula de Simpson compuesta con vistas
a asegurar que el error de cuadratura es menor que 10 −3 . Comparar la apro-
ximación de Simpson con el resultado obtenido usando la fórmula recursiva
anterior.